Hur bevisar man avkastningen på AI när avkastningen bara är 1 %?

David Rice: Endast 17 % av organisationerna har över huvud taget infört AI-agenter. Siffran för flera avdelningar ligger runt 3 %. JLL har slutat räkna sina. I dagens program pratar jag med Carlin Power, global vice vd för AI och möjliggörande av plattformsteknik på JLL, om vad de övriga 97 % snart kommer att få lära sig.

JLL experimenterar nämligen inte med agenter. De kör dem i produktion inom fastighetsförvaltning, varumärkeskommunikation och företagsfunktioner i hela organisationen, och lärdomarna därifrån är till största delen inte tekniska. Det första som gick sönder var inte tekniken, utan diskussionen om avkastning på investeringen. Hur motiverar man kostnaden för det mest grundläggande?

Hur sätter man sig framför sin ekonomichef och säger: "Vi kanske får 1 % avkastning på det här"? Powers svar var att flytta tillbaka värdediskussionen dit den hör hemma, in i den resultaträkning som fattar investeringsbeslutet. Om en affärsledare försöker växa och öka sin andel av kundernas plånbok hos de viktigaste kunderna med 20 %, blir AI en del av den diskussionen i stället för en hammare som letar efter en spik.

Frågan om den tidiga karriären förtjänar också uppmärksamhet i detta ämne. Stanfordforskningen drar en tydlig gräns. När AI automatiserar minskar rekryteringen på nybörjarnivå. När AI förstärker människors arbete ligger sysselsättningen kvar eller ökar. JLL gjorde ett medvetet val, och de praktikanter de nyligen tagit in presenterade examensprojekt på en så avancerad nivå att Power, om hon inte hade fått veta det, inte hade gissat att de inte hade varit tre eller fyra år in i sina karriärer.

I dag går vi därför igenom vad som skiljer agenter som överlever från de 40 % som Gartner bedömer kommer att läggas ned senast 2027, varför det är viktigare att formulera avkastningen än vilken teknik man använder, hur man bygger AI-kompetens i 80 länder utan att förlora den lokala relevansen, och vad en personalchef utan några agenter i produktion bör göra under månad ett till tre när de rullar ut dem.

Jag heter David Rice. Det här är People Managing People, och om din organisation fortfarande försöker lista ut var den ska börja med agenter ger det här samtalet en praktisk plan från någon som redan har kommit långt förbi den frågan. Då sätter vi igång.

Välkomna till podcasten People Managing People. Som alltid är jag er värd, David Rice, och i dag har jag sällskap av Carlin Power. Hon är global vice vd för AI och möjliggörande av plattformsteknik på JLL. Många organisationer experimenterar med AI-agenter, men ni har faktiskt infört några med framgång. Okej. Så-

Carlin Power: Ja, det har vi ...

David Rice: vi ska prata lite om det och om några av de lärdomar ni har dragit av det.

Den första frågan jag ville ställa till dig handlar om att jag såg en Gartner-undersökning bland CIO:er som sade att endast 17 % av organisationerna över huvud taget har infört agenter.

Carlin Power: Absolut.

David Rice: Och jag tror att siffran för flera avdelningar är 3 % eller något sådant, eller hur? Ja, ja. Den är verkligen låg.

Carlin Power: Ja.

David Rice: Så många befinner sig i början av det här. Och ni har lanserat, jag- den senaste siffran jag såg var ungefär 34. Jag tror att ni har fler än så nu.

Carlin Power: Ja. Vi växer. Jag tror att vi helt enkelt har slutat räkna.

David Rice: Ni har bara slutat ... Nåväl, min första fråga till dig är: vad vet du nu som de andra 97 % snart kommer att få lära sig?

Carlin Power: Absolut. Jag tror faktiskt att det går tillbaka till vissa beslut vi fattade från början. Vi hade gjort en investering i det vi kallar JLL Falcon, vilket är ett tjusigt varumärkesnamn för en samling AI-funktioner och programmeringsgränssnitt som alla våra programvaruutvecklare kunde använda kostnadseffektivt för att införa AI-funktioner i teknik de byggde helt från grunden och i befintlig teknik som redan fanns på marknaden.

Tack vare det, och eftersom vi kunde decentralisera innovationen bland alla våra ingenjörer, började de snabbt bygga upp sin kompetens i hur man bygger och distribuerar saker som agenter. Vi har till exempel agenter inom vår fastighetsförvaltningsverksamhet som optimerar arbetsorder och hur tekniker skickas ut till platser för att utföra sitt arbete inom fastighetsförvaltningen.

Vi har varumärkesagenter som profilerar våra PowerPoint-presentationer och vår ton i kommunikationen, både internt och externt på JLL. Vi har- för ungefär en och en halv månad sedan lanserade vi Ask JLL, som är en samling agenter där alla våra domänexperter inom företagsfunktionerna hjälper medarbetare att få stöd inom alla våra företagsfunktioner.

På grund av den decentraliseringen bland alla ingenjörsteamen bygger vi agenter för skräddarsydda affärsproblem- Mm ... med mycket medvetna mål för avkastningen på investeringen.

David Rice: Är det en del av anledningen till att du tror att det har fungerat? Du nämnde den skräddarsydda karaktären. Är det en del av det som har gjort det framgångsrikt, att ni inte försöker lösa något allmänt utan är väldigt specifika?

Carlin Power: Ja. Vi har generella agenter och verktyg för artificiell intelligens för allmänna ändamål också. Vi har till exempel en generell AI-assistent som vi kärleksfullt kallar Pulse- ... som går igenom alla våra chattar, alla våra e-postmeddelanden och alla våra delade dokument. Den fungerar ungefär som en administrativ assistent som verkligen tar bort mycket av den administrativa och taktiska bördan i ett kunskapsarbete.

Vi valde alltså medvetet att införa vissa generella funktioner, men ja, den verkliga avkastningen, för det där är mer s- liksom ta- det jag skulle kalla grundläggande, eller hur? Precis, precis. Det är sådant som alla våra medarbetare behöver ha tillgång till för att vi ska kunna konkurrera på marknaden.

Alla agenter som våra programvaruutvecklingsteam distribuerar för att stödja en viss affärslinje eller företagsfunktion löser skräddarsydda affärsproblem som driver våra affärsresultat framåt, och det är anpassat hela vägen upp genom flera organisatoriska nivåer.

David Rice: Ta mig tillbaka till agent nummer ett. Vad var det som gick sönder som inte var tekniskt? Handlade det om behörigheter och ägarskap eller-

Carlin Power: Ja ...

David Rice: någons arbetsbeskrivning, i princip?

Carlin Power: Ja, just det. Agent nummer ett, oj. Det är faktiskt Pulse, alltså ... Okej ... även känt som JLL:s arbetsverktyg, eftersom vi nu levererar det via, du vet, en MCP eller det fina ordet för en anslutning direkt till s- en agent för strukturerade data.

Jag tror alltså inte egentligen att det var något tekniskt som gick sönder. Det handlade mer om hur vi skulle motivera kostnaden i förhållande till avkastningen. Jag pratade lite med dig om det grundläggande, eller hur? Ja. Det är ett ganska svårt samtal att ha när man egentligen bara ser effektivitetsökningar på 1 till 3 %, alltså- Ja

inom det spannet, där det blir lite svårt att sätta sig framför ekonomichefen och säga: "Jag tycker att vi ska göra det här, men vi kanske får 1 % avkastning på det." Till en början försökte vi alltså lista ut hur vi skulle formulera värdet av det grundläggande. Hur uttrycker vi värdet av en viss agent?

Och ska det vara en standard som vi sätter för byggandet? Hur ser vi till att varje person som bygger något i organisationen kan säga: "Jag ska leverera den här agenten för att lösa det här problemet, som tidigare kostade oss X i arbetsinsats eller gav oss X som resultat. Men nu kommer vi att kunna ha fem gånger så hög genomströmning, eller skapa en ny intäktsström, eller öka vår marknadsandel eller vår andel av kundens plånbok?"

När man får teamen att tänka på det sättet blir det mycket enklare att motivera den faktiska avkastningen. Men det var den första saken där de frågade oss: "När ska man använda det här? Hur ska man använda det här?" "Vilken är avkastningen?" Och vi svarade: "Bra fråga."

David Rice: Det är intressant att du nämner att göra det normalt, att standardisera det. Fanns det en standardisering av språket som följde med det, eller en förståelse för vad som räknas som avkastning- ja ... för de personer som ville göra de här sakerna? För jag kan tänka mig att människors fantasi kanske skenar iväg.

Man måste säga: "Det där är faktiskt inte ett verkligt affärsvärde."

Carlin Power: Ja. Som tur är har vi några fantastiska ekonomer i organisationen. Och även om det är en centraliserad funktion, är den decentraliserad när det gäller hur de är placerade inom våra affärslinjer och funktioner.

Vårt ekonomiteam har alltså ägnat mycket tid åt att fundera på hur vi kan ge våra team ramverk för att faktiskt formulera en diskussion om avkastning. Och jag tror, eller en ekvation för avkastning. Jag tror att det håller på att mogna nu. Jag skulle inte säga att vi har svaret på det, för om jag hade det skulle jag säga upp mig och starta ett miljardkonsultföretag, du vet-

över en natt, precis som alla andra, men-

David Rice: Ja ...

Carlin Power: men jag tror att det handlar om att flytta diskussionen om värde tillbaka till den plats där den hör hemma, det vill säga i den resultaträkning som fattar beslutet om investeringen. Om en affärsledare säger: "Vi behöver öka vår andel av kundernas plånbok hos våra tio viktigaste kunder med 20 %", är AI nu en del av den diskussionen i stället för att vi är en hammare som letar efter en spik.

David Rice: Gartner bedömer att 40 % av projekten med agentbaserad AI kommer att läggas ned före slutet av 2027. Min fråga till dig är: när du tittar på de agenter ni har byggt, vad får dig att tro att de kommer att vara motståndskraftiga och fortsätta efter den tidpunkten?

Carlin Power: Återigen kommer det tillbaka till vårt beslut att införa JLL Falcon och det decentraliserade beslutsfattandet inom våra ingenjörsfunktioner, som nu är kopplade till nyckeltal för affärslinjerna.

Vi bygger ingenting, eller försöker åtminstone att inte bygga något, som saknar en hänförlig avkastning eller en besparing som går att realisera. Det gör samtalet väldigt enkelt när man tittar på vilka AI-agenter som fungerar bra eller inte. Uppnår de sina mål på samma sätt som en medarbetare skulle uppnå sina affärsmål?

Gjorde vi ... Är den här tekniken, den här agenten, verkligen det vi förväntade oss? Förverkligar den de fördelar vi förväntade oss? Och om inte, varför, och bör vi fortsätta investera? Det behöver alltså regelbundet föras en diskussion om att stoppa, börja eller fortsätta med alla agenter som ni distribuerar i organisationen.

David Rice: Du nämnde det decentraliserade beslutsfattandet. Var det något ni byggde in från början? Var det en del av era processer innan ni startade allt detta? Eller-

Carlin Power: Grunden för vår AI-strategi är vårt företagsgemensamma datalager. Okej. Under de senaste fem till sex åren har vi, under ledning av vår teknikchef Yao Moran, byggt upp datakompetens samt noggrannhet, kvalitet och relevans i alla våra data, i princip i vårt centrala datalager.

Varenda datapost vi har på JLL går alltså in i vårt centrala datalager. Sedan finns det en uppsättning styrningsfunktioner som definierar vad datan är, vad den är relevant för, vem den är relevant för och hur människor får tillgång till informationen. Vi har alltså ett mycket robust datalager längst ner, och ovanpå det har vi JLL Falcon.

När vi pratar om MCP eller anslutningen går den alltså direkt in i vårt centrala datalager och hämtar ut data som är relevant för den användare som använder den. Det är vår skalningsfunktion, både ur ett kostnadseffektivitets- och ett datar elevansperspektiv.

Sedan har vi en medborgardriven AI-strategi och en centralt driven AI-strategi. Det är i vår centralt drivna AI-strategi som den decentralisering jag har talat om äger rum. Det finns initiativ för varje affärslinje och företagsfunktionens teknikteam, kopplade till den strategin, för att leverera den differentiering vi behöver på marknaden.

Den medborgardrivna strategin handlar om hur vi möjliggör för människor internt att använda våra verktyg och utveckla en intern AI-kompetens. Det är vår möjliggörande funktion. Vi har alltså grunden, som är våra data.

Vi har skalningsfunktionen, som är vår JLL Falcon-plattform. Vi har differentieringsfunktionen, som är den centralt drivna strategin, och sedan har vi möjliggörandefunktionen, som är den medborgardrivna strategin. Allt detta samlas sedan kring våra tre affärsresultat: att skapa kundvärde, frigöra spetskompetens i verksamheten och driva innovation.

Jag tror alltså att detta är centralt för varför vi har lyckats. Men för att svara på din fråga: var det decentraliserade beslutsfattandet avsiktligt? Ja, verkligen. Gjorde vi det direkt? Jag minns inte. Men var det dit vi kom? Absolut.

David Rice: Ja. En av frågorna jag ville ställa till dig är att jag har sett Stanfordforskning som drog en tydlig gräns: när AI automatiserar uppgifter minskar rekryteringen på nybörjarnivå.

Absolut. Och när AI förstärker människors arbete ligger sysselsättningen kvar eller ökar.

Carlin Power: Ja.

David Rice: Så bland 34 agenter, eller ännu fler nu, på vilken sida av den linjen tycker du att ni har hamnat? Och var det ett beslut eller ett resultat?

Carlin Power: Jag tror att om ett företag fokuserar på effektivitet och produktivitet, och resultatet därför blir att man minskar arbetskraften, särskilt arbetskraft tidigt i karriären, är det snarare ett tecken på omognad i den övergripande AI-strategin och modellen för användarmedverkan.

Det var aldrig ett medvetet beslut från vår sida att säga: "Okej, vi ska ta bort alla de här kostnaderna ur organisationen och avskaffa 40 % av jobben." Jag tror att mycket av det var, som de kallade det på huvudanförandet i morse, skrämselpropaganda.

Jag tycker att det är en alltför extrem ståndpunkt. Och återigen tror jag att den är kortsiktig. Det kan faktiskt vara mycket skadligt för en organisations framgång att helt stänga ute talanger tidigt i karriären.

David Rice: Ja.

Carlin Power: I måndags satt jag faktiskt tillsammans med våra praktikanter inom inköp och upphandling, och de presenterade sina examensprojekt. Många av projekten hade använt våra interna verktyg och vissa av de avancerade laboratorier som vi samarbetar med.

Om inte chefen för inköp och upphandling hade berättat att de var praktikanter skulle jag ha trott att de hade varit tre till fyra år in i sina yrkeskarriärer, på grund av djupet i deras kunskap om mycket komplexa problem inom inköp och upphandling, hur nära de stod de kundkonton de arbetade med för att förbättra hur mycket tillgångar vi förvaltar och hur mycket av avtalen vi hanterar.

Jag lärde mig saker. Jag blev helt tagen av vad de kunde åstadkomma på så kort tid, och ännu mer imponerad av att chefen för inköp och upphandling i slutet i princip sade: "Ni har alla jobb här på JLL om ni vill ha dem." Jag tycker att det är ett väldigt bra exempel på att vi inte bör avskaffa jobben tidigt i karriären.

Vi bör i stället ha helt andra förväntningar på vad vi ska få ut av talanger tidigt i karriären. Därför har vi byggt om hela vår strategi för tidiga karriärer kring projektbaserade examensarbeten som verkligen skapar värde genom de praktikprogram vi har på JLL.

Jag tror alltså återigen att det sannolikt handlar om omognad, och att de så småningom kommer att nå dit. Jag skulle varna företag för att försöka ta bort den tidiga karriärstegen, för jag tror att mycket av deras innovation under de kommande- Ja, tre till fem åren kommer att komma därifrån.

David Rice: Jag älskar att du säger det, för jag har länge förespråkat det. Examensprojektet får mig att tänka på att det nästan mer liknar en lärlingsutbildning.

Carlin Power: Ja.

David Rice: När vi tänker på praktikplatser, jag minns när jag gjorde en under universitetstiden- ... och det var ganska tråkigt.

Det följde inte med särskilt mycket ansvar. Det var mer som-

Carlin Power: Jag tror att jag svarade i telefon och- ... sorterade dokument.

David Rice: Precis. Det var inte särskilt djupgående. Jag gick därifrån och tänkte: "Var det där verkligen viktigt?"

Carlin Power: Ja.

David Rice: Du vet? Så-

Carlin Power: Ja, skriv det i mitt CV.

David Rice: Ja, det gjorde jag. Men lärlingsmodellen, som jag tror att det här egentligen handlar om, innebär att man faktiskt gör saker. Man lär sig. Man utför arbetet.

Carlin Power: Precis.

David Rice: Och man gör det på en sådan djup nivå att de, som du sade, lät som om de hade varit yrkesverksamma i tre eller fyra år.

Carlin Power: Ja. Det gjorde mig oerhört imponerad, och det hjälpte mig att sätta en ny standard och utbilda organisationen i vad vi bör förvänta oss av talanger tidigt i karriären.

Jag hoppas också att det sätter en kompetens på organisationsnivå kring att vi förmodligen bör förvänta oss mycket mer av våra yrkesverksamma medarbetare. Vi har utbildat våra ledare i det jag skulle kalla att utveckla sitt värdeerbjudande. Vi tar dem genom en utbildning med flera moduler, och du skulle bli förvånad, eller kanske inte-

men det var väldigt svårt för dem att formulera sitt nuvarande värdeerbjudande till företaget. Så vi frågar: när hela ditt team förstärks, förbättras eller ersätts av AI, vad ska du göra med det värdet? Hur ska vi återta det värdet, oavsett om det handlar om högre genomströmning, bättre leveranser, mer tid med kunder eller mer tid att bygga framtida intäktsströmmar?

David Rice: Du vet, "människan först" behöver ett instrument, annars är det bara ord, eller hur? Det är i princip en slogan. Jag är nyfiken på hur det ser ut för er. Hur skiljer ni mellan användning, efterlevnad och människor som helt enkelt försöker ta sig runt själva- agenten?

Carlin Power: Ja.

David Rice: Agenten.

Carlin Power: Det var också ett mycket tidigt och medvetet beslut.

Vi lade faktiskt en stor del av vår budget på specialister inom användarengagemang och möjliggörande- Mm ... som redan från början hjälpte alla våra medarbetare att bygga upp en nivå av AI-kompetens. Det omfattade allt från att introducera dem till nya verktyg och ge dem grunderna i hur generativ AI fungerar och hur vi skyddar deras data och våra kunders data, till att göra dem trygga med alla frågor som kom upp i början, till exempel vad som händer när jag laddar upp en kunds resultaträkning i en GPT.

Vi kunde säga: "Vi har byggt det så att det är säkert och avskärmat, men använd ditt bästa omdöme." Vi hjälpte dem också att hitta balansen mellan vad man kan lita på att generativ AI gör och vad man inte kan lita på. En metod där man litar på men kontrollerar. Att få in det tidigt hjälpte dem att snabbare börja använda andra, mer avancerade funktioner när de lanserades.

Vi byggde alltså verktyg, rullade ut dem och utbildade människor i hur de skulle användas. Vi byggde också ett ambassadörsprogram som kunde ta alla utbildningar vi hade skapat och anpassa dem för de individuella rollerna och personprofilerna inom alla våra affärslinjer och företagsfunktioner, eftersom vi är ett enormt företag som verkar i 80 länder.

Det finns många saker som måste beaktas på lokal nivå, och en central funktion är inte utformad för att stödja det i stor skala. Vi var därför tvungna att ta hjälp av experterna inom de olika områdena för att bygga upp nästa nivå av kompetens som våra team behövde för att kunna börja skapa innovation på egen hand.

David Rice: Tiden börjar rinna ut, men innan jag släpper iväg dig vill jag ge dig ett hypotetiskt scenario- Absolut ... för jag älskar hypotetiska frågor.

Carlin Power: Absolut.

David Rice: Föreställ dig en personalchef som inte har några agenter i produktion ännu. Men styrelsen börjar sätta press på personen.

De vill se framsteg och frågar varför det ser ut som det gör. Personen har tolv månader och en budget.

Carlin Power: Ja.

David Rice: Vad gör personen under månad ett till tre för att komma igång, och vad är det första personen kommer att frestas att göra som du kanske skulle säga: "Gör inte det, det är lite slöseri med tid"?

Carlin Power: Jag tror att det första är att skapa en grupp människor som man känner sig mycket trygg med när det gäller att experimentera i hela organisationen. Jag är inte säker på att jag skulle gå fullt ut på FDs, men domänexperter inom affärslinjerna och företagsfunktionerna som är tekniskt kunniga och kan börja hjälpa till att definiera verkliga användningsfall där även experimenterandet ger en positiv nettoavkastning.

Att försöka gå brett och stort på en gång kommer att medföra stora kostnader. Om man inte har interna personer som kan organisationens olika områden eller som är utbildade inom AI kommer man bara att blåsa upp kostnaderna och- Ja ... det som du har beskrivit genom de här frågorna kommer att börja hända.

David Rice: Ja.

Carlin Power: Börja alltså med att skapa framgång inom några användningsfall, skala sedan upp dem och använd därefter avkastningen för att återinvestera i fler verktyg eller i mer horisontella, allmänna verktyg som levereras till organisationen. Jag tror att det är avgörande. Den andra delen är den möjliggörande funktionen, alltså kompetensen.

Ni måste göra era medarbetare riktigt bekväma med att använda verktygen, och ni måste uppmuntra dem att göra det. Något jag ständigt återkommer till och är mycket tacksam för är vår vd Christian Ulbrich, som verkligen satte visionen och gav människor mandat att använda AI. Han satte globala nyckeltal för kompetens, införande och användning.

Det fanns alltså inget straff för att använda verktygen. Det var inte: "Jaha, du kom på hur du skulle automatisera din avdelning? Bra, då låter vi alla gå." Det var aldrig berättelsen som fanns på JLL. Berättelsen var att vi måste kunna använda AI för att ge våra kunder bättre service och ta bättre hand om våra medarbetare.

Alla våra chefer behövde därför både bygga nyckeltal kring detta och föregå med gott exempel. Vår vd var mycket tydlig med att var och en måste använda AI-verktyg och att han skulle mäta det. Om medarbetarna inte ser dig använda dem kommer de inte att känna sig trygga eller ha mandat att använda verktygen.

Han ville att innovationen skulle komma underifrån- Precis ... lika mycket som han ville att förebilderna skulle komma uppifrån. När det gäller råd till en chef i ledningsgruppen skulle jag därför säga att man själv måste föregå med gott exempel och anpassa incitamenten till det beteende man vill se i organisationen.

David Rice: Tack för att du kom till programmet i dag. Carlin Power, mina damer och herrar. På återhörande.

Carlin Power: Tack så mycket.

David Rice: Kära lyssnare, om ni inte redan har gjort det, gå till peoplemanagingpeople.com/subscribe. Prenumerera på nyhetsbrevet. Ni får den här podden och allt annat vi skapar direkt i inkorgen.

På återhörande.